选址方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及一种选址方法。该方法包括：获取第一预测信息；所述第一预测信息包括每一个位置点的物品需求信息；根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；根据所述特征信息和目标优化模型，确定目标地址；所述目标优化模型对应的地址覆盖范围内的物品需求价值最大且资源消耗成本最小。本申请提出的选址方法准确性较高。

【技术实现步骤摘要】
选址方法、装置、设备及存储介质
本专利技术涉及大数据应用领域，尤其涉及一种选址方法、装置、设备及存储介质。
技术介绍
随着大数据技术的发展，大数据的应用深入到了人们生活的方方面面，尤其是在商业领域尤为突出。其中，利用大数据实现对商业门店的地址选择成为了现下比较热门的方式。目前，对商业门店的地址选择方法主要是基于行业资深从业人员或者专家学者咨询的层次分析和模糊综合评价方法，即通过相关领域专家根据其经验对选址的相关因素的重要性作出评价，再结合层次分析法和模糊综合评价方法得到每个预选地址的综合得分，根据综合得分得到确定适合程度最优的地址。但是，上述选址方法过于依赖人为经验，准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高选址准确性的方法、装置、计算机设备和存储介质。第一方面，一种选址方法，所述方法包括：获取第一预测信息；所述第一预测信息包括每个位置点的物品需求信息；根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；根据所述特征信息和目标优化模型，确定目标地址；所述目标优化模型对应的地址覆盖范围内的物品需求价值最大且资源消耗成本最小。在其中一个实施例中，所述根据所述特征信息和目标优化模型，确定目标地址，包括：根据所述特征信息确定所述目标优化模型的输入参数；所述输入参数用于辅助选址；采用预设的智能优化算法，根据所述输入参数求解所述目标优化模型，得到所述目标地址。在其中一个实施例中，所述目标优化模型包括目标函数和约束条件；所述约束条件用于对所述目标函数进行约束，使得所述目标函数输出的物品需求价值最大且资源消耗成本最小。在其中一个实施例中，所述目标函数用于获取物品需求价值最大值和资源消耗成本最小值；所述约束条件包括以下：所述目标地址的覆盖范围不大于用户经营能力的辐射范围；需求地址与所述目标地址之间的距离小于所述覆盖范围的半径；所述需求地址为所述覆盖范围内的地址；所述目标地址的资源消耗成本小于用户可用资源；所述目标地址为备选库中的地址；所述备选库包括根据所述特征信息生成的备选地址。在其中一个实施例中，所述目标函数包括和其中，M表示物品需求价值；i为1到n中的任一整数值，i表示需求选址点，其中的n表示预选区域包含的所述需求选址点的个数；j为1到l中的任一整数值，j表示所述目标地址点，其中的l表示预选区域包含的目标地址点的个数；xi,j等于1表示所述目标选址点j覆盖所述需求地址点i，xi,j等于0表示所述目标选址点j没有覆盖所述需求地址点i；vi表示第i个所述需求地址点对应的线上价值指数，wj表示第j个所述目标选址点对应的线下价值指数；U表示资源消耗成本,yj等于1表示点j为所述目标选址点，yj等于0表示点j不是所述目标选址点,cj表示所述目标选址点j的资源消耗成本系数,δj表示用户在第j个所述目标选址点进行资源消耗时的情感指数；所述约束条件包括Rj-Fk≥0,j＝1,2,…l；其中，Rj表示所述目标选址点j的覆盖半径，Fk为第k个所述用户经营能力的辐射范围；k为1到h中的任一整数值，k表示用户个体，其中的h表示所述用户个体的个数；所述约束条件包括其中，ei＝(lati,loni)表示所述需求地址点i的坐标,lati表示所述需求地址点i的纬度值，loni表示所述需求地址点i的经度值，dj＝(latj,lonj)表示所述目标选址点j的坐标，latj表示所述目标选址点j的纬度值，lonj表示所述目标选址点j的经度值，dis(ei,dj)表示所述点坐标ei与所述点坐标dj的欧式距离；所述第三约束条件包括cj表示所述目标选址点j的资源消耗成本，γk表示第k个用户的租金成本系数，Ck表示第k个用户的最大资源消耗值；所述约束条件包括Y＝{d1,d2,…dm}；其中，Y为选址点的备选库，d1,d2,.....dm为备选库中的备选地址；其中的m为整数值，m表示所述备选库中的所述备选地址的个数。在其中一个实施例中，所述采用预设的智能优化算法，根据所述输入参数求解所述目标优化模型，得到所述目标地址，包括：采用预设的编码方法对第一候选地址集合进行编码，得到第二候选地址集合；所述第二候选地址集合包括多个候选地址坐标；将所述第二候选地址集合中的各候选地址坐标和所述输入参数，输入所述目标优化模型中，得到第一输出结果；所述第一输出结果包括物品需求价值和资源消耗成本；根据所述第一输出结果和预设适应度值，获取所述目标地址；所述适应度包括所述物品需求价值最大值和所述资源消耗成本最小值。在其中一个实施例中，所述根据所述第一输出结果和预设适应度值，获取所述目标地址，包括：若所述第一输出结果满足所述预设适应度值，则将所述第一输出结果对应的候选地址坐标确定为所述目标地址；若所述第一输出结果不满足所述预设适应度值，则根据预设的遗传算法、所述第二候选地址集合和所述目标优化模型，获取所述目标地址；所述第三候选地址集合包括不满足所述预设适应度值的候选地址坐标。在其中一个实施例中，所述根据预设的遗传算法、所述第二候选地址集合和所述目标优化模型，获取所述目标地址，包括：根据预设算子，对所述第二候选地址集合进行预处理，得到第三候选地址集合；所述预设算子包括选择算子、交叉算子和变异算子中的至少一个；将所述第三候选地址集合中的各候选地址坐标和所述输入参数，输入所述目标优化模型中，得到第二输出结果；根据所述第二输出结果和所述预设适应度值，获取所述目标地址。在其中一个实施例中，所述根据预设的遗传算法、所述第二候选地址集合和所述目标优化模型，获取所述目标地址，包括：根据所述预设的遗传算法和预设的迭代条件，对所述第二候选地址集合进行迭代计算，确定目标地址；所述迭代条件包括预设的迭代次数，或，所述第二候选地址集合中的地址与所述目标地址之间的相似度阈值。在其中一个实施例中，所述方法还包括：根据所述特征信息和所述目标地址生成推荐列表；所述特征信息包括用户财务信息、商圈信息和用户行为日志。第二方面，一种选址装置，所述装置包括：获取模块，用于获取第一预测信息；所述第一预测信息包括每一个位置点的物品需求信息；第一确定模块，用于根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；第二确定模块，用于根据所述特征信息和目标优化模型，确定目标地址；所述目标优化模型对应的地址覆盖范围内的物品需求价值最大且资源消耗成本最小。第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取第一预测信息；所述第一预测信息包括每一个位置点的物品需求信息；根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；根据所述特征信息和目标优化模型，确定目标地址；所述目标优化模型对应的地址覆盖范围内的物品需求价值最大且资源消耗成本最小。第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取第一预测信息；所述第一预测信息包括每一个位置点的物品需求信息；根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；根据所述特征信息和目标优化模型，本文档来自技高网...

【技术保护点】
1.一种选址方法，其特征在于，所述方法包括：获取第一预测信息；所述第一预测信息包括每个位置点的物品需求信息；根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；根据所述特征信息和目标优化模型，确定目标地址；所述目标优化模型对应的地址覆盖范围内的物品需求价值最大且资源消耗成本最小。

【技术特征摘要】
1.一种选址方法，其特征在于，所述方法包括：获取第一预测信息；所述第一预测信息包括每个位置点的物品需求信息；根据所述第一预测信息确定各所述位置点的特征信息；所述特征信息包括用户特征信息和环境特征信息；根据所述特征信息和目标优化模型，确定目标地址；所述目标优化模型对应的地址覆盖范围内的物品需求价值最大且资源消耗成本最小。2.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息和目标优化模型，确定目标地址，包括：根据所述特征信息确定所述目标优化模型的输入参数；所述输入参数用于辅助选址；采用预设的智能优化算法，根据所述输入参数求解所述目标优化模型，得到所述目标地址。3.根据权利要求2所述的方法，其特征在于，所述目标优化模型包括目标函数和约束条件；所述约束条件用于对所述目标函数进行约束，使得所述目标函数输出的物品需求价值最大且资源消耗成本最小。4.根据权利要求3所述的方法，其特征在于，所述目标函数用于获取物品需求价值最大值和资源消耗成本最小值；所述约束条件包括以下：所述目标地址的覆盖范围不大于用户经营能力的辐射范围；需求地址与所述目标地址之间的距离小于所述覆盖范围的半径；所述需求地址为所述覆盖范围内的地址；所述目标地址的资源消耗成本小于用户可用资源；所述目标地址为备选库中的地址；所述备选库包括根据所述特征信息生成的备选地址。5.根据权利要求4所述的方法，其特征在于，所述目标函数包括和其中，M表示物品需求价值；i为1到n中的任一整数值，i表示需求选址点，其中的n表示预选区域包含的所述需求选址点的个数；j为1到l中的任一整数值，j表示所述目标地址点，其中的l表示预选区域包含的目标地址点的个数；xi,j等于1表示所述目标选址点j覆盖所述需求地址点i，xi,j等于0表示所述目标选址点j没有覆盖所述需求地址点i；vi表示第i个所述需求地址点对应的线上价值指数，wj表示第j个所述目标选址点对应的线下价值指数；U表示资源消耗成本,yj等于1表示点j为所述目标选址点，yj等于0表示点j不是所述目标选址点,cj表示所述目标选址点j的资源消耗成本系数,δj表示用户在第j个所述目标选址点进行资源消耗时的情感指数；所述约束条件包括Rj-Fk≥0,j＝1,2,…l；其中，Rj表示所述目标选址点j的覆盖半径，Fk为第k个所述用户经营能力的辐射范围；k为1到h中的任一整数值，k表示用户个体，其中的h表示所述用户个体的个数；所述约束条件包括其中，ei＝(lati,loni)表示所述需求地址点i的坐标,lati表示所述需求地址点i的纬度值，loni表示所述需求地址点i的经度值，dj＝(latj,lonj)表示所述目标选址点j的坐标，latj表示所述目标选址点j的纬度值，lonj表示所述目标选址点j的经度值，dis(ei,dj)表示所述点坐标ei与所述点坐标dj的欧式距离；所述约束条件包括其中，cj表示所述目标选址点j的资源消耗成本，γk表示第k个用户的租金成本系数，Ck表示第k个用户的最大资源消耗值；所述约束条件包括Y＝{d1,d2,…...

【专利技术属性】
技术研发人员：於笑扬，王洪刚，徐飞黎，俞泽华，李必辉，
申请(专利权)人：金蝶蝶金云计算有限公司，
类型：发明
国别省市：广东,44